[发明专利]铁路货车托板螺母丢失的故障识别方法

权利要求书

1.一种铁路货车托板螺母丢失的故障识别方法，其特征在于包括，

构建改进的ResNet50特征提取网络：依次包括卷积层、最大池化层、Layer1层、Layer2层、Layer3层、Layer4层、Up0层、Up1层和Up2层；

构建改进的CenterNet网络：包括定位模块和目标种类预测模块；所述定位模块包括中心点定位模块、中心点偏移模块和目标半径识别模块；

Up2层的输出作为定位模块的输入；

获取包含螺母区域的托板子图像，在托板子图像上螺母的对应位置用正方形框作标记得到样本图像，所有样本图像构成样本数据集；正方形框的边长等于螺母的直径；

采用样本图像对改进的ResNet50特征提取网络和定位模块进行第一级训练，并在定位模块的准确率达到预设阈值以后，采用样本图像再对训练后的改进的ResNet50特征提取网络和改进的CenterNet网络共同进行训练，训练后的整体网络作为螺母丢失识别网络；

获取运行中铁路货车的待识别托板图像，采用螺母丢失识别网络对待识别托板图像进行识别，获得螺母丢失故障识别结果；

采用样本图像对改进的ResNet50特征提取网络进行训练的过程包括：

样本图像经卷积层卷积处理后得到1/2样本图像大小的特征图像，再经最大池化层处理后得到1/4样本图像大小的特征图像，经Layer1层特征提取后得到1/4样本图像大小的特征图像，经Layer2层特征提取后得到1/8样本图像大小的特征图像，经Layer3层特征提取后得到1/16样本图像大小的特征图像，经Layer4层特征提取后得到1/32样本图像大小的特征图像；

Layer4层输出的1/32样本图像大小的特征图像经1×1卷积核卷积处理后作为Up0层的输入，Up0层对输入图像进行卷积处理后，得到初级上采样后1/32样本图像大小的特征图像；

初级上采样后1/32样本图像大小的特征图像经2倍上采样后与Layer3层输出的1/16样本图像大小的特征图像经1×1卷积核卷积处理后的结果相加后，得到Up1层的输入；

Up1层的输入经2倍上采样后与Layer2层输出的1/8样本图像大小的特征图像经1×1卷积核卷积处理后的结果相加后，得到Up2层的输入；

Up2层的输入经2倍上采样后与Layer1层输出的1/4样本图像大小的特征图像经1×1卷积核卷积处理后的结果相加后，得到最终特征图；

对定位模块进行训练的过程包括：

最终特征图经中心点定位模块后确定螺母中心点位置；

最终特征图经中心点偏移模块后确定螺母预测中心点与标准中心点的中心点偏置位移；

最终特征图经目标半径识别模块确定螺母半径预测值；

对目标种类预测模块进行训练的过程包括：

目标种类预测模块根据获得的螺母中心点位置、中心点偏置位移和螺母半径预测值确定最终特征图上的目标识别框；采用反向高斯核函数对目标识别框内的最终目标特征图进行权重调整，再对权重调整后的最终目标特征图进行分类识别，得到分类识别结果；所述识别结果包括螺母丢失和螺母未丢失；

所述目标种类预测模块在分类识别的过程中使用反向高斯核函数调节目标识别框内最终目标特征图的目标边缘与中心点的权重，使目标中心点位置的权重最小为0，使目标边缘的权重最大为0.865；

所述反向高斯核函数如下：

式中x为最终特征图中特征点的横轴坐标，y为最终特征图中特征点的纵轴坐标，x_c为螺母预测中心点的横轴坐标，y_c为螺母预测中心点的纵轴坐标，r为螺母半径预测值，W为对最终目标特征图的权重调整值。

2.根据权利要求1所述的铁路货车托板螺母丢失的故障识别方法，其特征在于，

所述托板子图像的获取方法包括：

通过轨边探测站安装的高速线阵相机获取原始图像，在原始图像上根据位置信息截取托板子图像。

3.根据权利要求2所述的铁路货车托板螺母丢失的故障识别方法，其特征在于，

所述托板子图像在图像灰度值计算结果小于30时，进行亮度调节。

4.根据权利要求1所述的铁路货车托板螺母丢失的故障识别方法，其特征在于，

所述预设阈值为95％。

5.根据权利要求1所述的铁路货车托板螺母丢失的故障识别方法，其特征在于，

托板子图像上使用labelImg作正方形框标记。